资源简介
这是一篇来自土耳其中东技术大学的2010年的硕士论文,主要讲述了在推荐系统中应用SVD方法。该论文提出两个创新点:第一个是先将User与Item分类,然后根据分类将矩阵分成相应的“子矩阵”,对这些矩阵进行相应的SVD,实验表明这样做不仅会提高准确率还会降低计算复杂度;另一个是向二维矩阵中引入Tags,使其成为三维矩阵,再通过矩阵分解成、、子矩阵,最后再进行SVD,实验表明引入Tags会提高推荐性能。
代码片段和文件信息
- 上一篇:在线投票的系统设计与实现
- 下一篇:pscad仿真 光伏
相关资源
- 基于数据挖掘技术的WWW推荐系统设计
- 今日头条推荐系统ppt
- 高阶奇异值分解HOSVD.rar
- 基于hadoopp平台的推荐系统
- svd分解详解过程与原理
- 一种基于SVD水印算法
- 练数成金的《推荐系统视频教程》完
- 豆瓣电影爬虫、豆瓣电影推荐系统
- 基于协同过滤算法的电子商务网站个
- SVD_DWT水印的嵌入和提取
- the YouTube video recommendation system
- 毕业设计之基于物品的协同过滤算法
- 推荐系统资料
- 基于Spark的电影推荐系统
- 尚尚硅谷2019大数据全套 最新资源
- 基于spark的电影推荐系统数据集
- 全部SVDD的程序代码,可以按照自己的
- 基于Apriori算法的商品推荐系统
- 基于web个性化电影推荐系统
- 稀疏字典K-SVD编码
- netflix-prize-svd
- 基于物品的协同过滤推荐系统实现
- KSVD稀疏表示程序
- 字典学习KSVD
- SVD推荐算法教程
- YoutubeNet深度学习召回模型tf实现.zip
- 数字水印 DCT SVD
- 数字信号处理张贤达SVD-TLE算法和cad
- SVDFeature
- 基于知识图谱的推荐系统项目完整代
评论
共有 条评论